山东师范大学物理与电子科学学院;
针对当前车辆与行人目标检测网络设计复杂、计算资源消耗大的问题，探索高效的轻量化算法设计。首先以YOLOv5s模型为基础，改用轻量级网络Shufflenetv2作为主干结构，并用ReLU激活函数替换原函数，成功减少参数和计算量。同时，引入空间金字塔池化快速跨级部分连接模块，该模块通过金字塔池化结构保留不同尺度层次的特征，并通过跨阶段连接捕获底层与高层间的特征关系，以提升识别精度。然后在公开数据集KITTI上进行了大量对比测试及消融实验，结果显示改进后的模型识别精确率提升了2%,且参数数量、计算量、模型大小均显著减少。最后将改进后的算法在资源受限的移动设备嵌入式开发板RDK X3上进行实时推理验证，结果显示在RDK X3上帧率稳定接近设备的最大限制(30 FPS),以快速准确的识别车辆与行人。
| 72 | 0 | 5 |
| 下载次数 | 被引频次 | 阅读次数 |
[ 1 ] 高轶男，巩建强.我国道路交通事故特征及致因分析[J].安全与环境学报，2023,23(11):4013-4023.
[ 2 ] 周康，朱宗晓，徐征宇，等.改进Faster R-CNN的道路目标检测[J].计算机与数字工程，2022,50(04):750-756.
[ 3 ] Girshick R,Donahue J,Darrell T,et al.Rich feature hierarchies for accurate object detection and semantic segmentation[C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,Columbus,USA,2014:580-587.
[ 4 ] Girshick R,FAST R-CNN[C]// Proceedings of the IEEE International Conference on Computer Vision,Santiago,Chile,2015:1440-1448.
[ 5 ] Ren S Q,He,K M,Girshick R,et al.Faster R-CNN:Towards real-time object detection with region proposal networks[J].IEEE Transactions on Pattern Analysis & Machine Intelligence,2017,39(6):1137-1149.
[ 6 ] 吕传龙，许玉格.基于改进Faster R-CNN的遮挡行人检测[J].惠州学院学报，2024,44(3):10-15.
[ 7 ] Liu W,Anguelov D,Erhan D,et al.SSD:Single shot multibox detector[C]// Proceedings of the 14th European Conference on Computer Vision,Amsterdam,Netherlands,2016:21-37.
[ 8 ] Redmon J,Divvala S,Girshick R,et al.You only look once:Unified,real-time object detection[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,Seattle,USA,2016:779-788.
[ 9 ] Redmon J,Farhadi A.YOLO9000:Better,faster,stronger[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,Honolulu,USA,2017:6517-6525.
[10] 贾君霞，史珂鑫.改进型SSD道路行人目标检测算法[J].国外电子测量技术，2022,41(12):26-32.
[11] Cao X H,Xiong T,Jiao L C.Supervised band selection using local spatial information for hyperspectral image[J].IEEE geoscience and remote sensing letters,2016,13(3):329-333.
[12] 李琳，靳志鑫，俞晓磊，等.Haar 小波下采样优化YOLOv9的道路车辆和行人检测[J].计算机工程与应用，2024,60(20):207-214.
[13] 朱培瑾，刘平，马学文.基于YOLOv5s算法在行人车辆图像检测方面的改进和研究[J].南阳理工学院学报，2024,16(4):83-89.
[14] 侯佩玉，徐淼，张明，等.基于YOLOv5s的自动驾驶车辆行人检测方法[J].北华大学学报：自然科学版，2025,26(1):107-114.
[15] Ma N N,Zhang X Y,Zheng H T,et al.ShuffleNetv2:Practical guidelines for efficient CNN architecture design[C]// Proceedings of the European Conference on Computer Vision,Munich,Germany,2018:116-131.
[16] 孙福临，李振轩，粱允泉，等.基于改进YOLOv5算法和边缘设备的电动车违规载人检测[J].现代计算机，2023,29(08):1-11.
[17] He K M,Zhang X Y,Ren S Q,et al.Spatial pyramid pooling in deep convolutional networks for visual recognition[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2015,37(9):1904-1916.
基本信息:
DOI：
中图分类号:TP183;TP391.41;U463.6
引用信息:
[1]李永潭,张晋玮,王俊杰等.改进YOLOv5s的轻量化车辆行人目标检测方法[J].山东师范大学学报(自然科学版),2025,40(01):71-80.
基金信息:
国家自然科学基金资助项目(42271093)